java - 如何计算 libsvm 中的最佳 C/Gamma 参数？

Question

我正在使用libsvm用于具有大量特征/属性(每个项目大约 5,800 个)的数据集的多类分类。我想为 C 和 Gamma 选择比我当前使用的默认值更好的参数。

我已经尝试过运行 easy.py，但是对于我正在使用的数据集，估计时间几乎是永远的(在 20、50、100 和 200 个数据样本下运行 easy.py 并获得了超线性回归预测我所需的运行时间需要数年)。

有没有办法比默认值更快地获得更好的 C 和 Gamma 值？我正在使用 Java 库，如果这有什么区别的话。

Answer 1

无需网格搜索就可以完成此任务，正如我相信 easy.py 所做的那样。

查看 Trevor Hastie 等人的这篇论文:The Entire Regularization Path for the Support Vector Machine (PDF)。一次“SVM 运行”将一次性计算所有“C”值的损失，以便您可以了解它如何影响您的 SVM 性能。

他们有这个算法的实现，您可以在 R 中使用它通过svmpath包。

我相信该算法的核心是用 Fortran 编写的，但封装在 R 中。